Van uitzonderingen weet ik alles. Ik ben het al mijn hele leven. En de wereld ziet er door de bril van iemand die doorgaans de uitzondering is, volstrekt anders uit.

Ik ben er dol op, de buitenbeentjes, de outliers, the round pegs in the square holes. Ik heb ze graag om me heen. Er worden films over gemaakt. Je komt ze tegen in de literatuur en de geschiedenis. Het zijn mensen die proberen de wereld een stapje verder te brengen door niet akkoord te gaan met de status quo, zoals Apple het ooit mooi verwoordde.

Dit stuk gaat over de gevolgen van een overheid en een rechtsstaat die niet weet om te gaan met uitzonderingen. In dit stuk ga ik aantonen waarom de schade daarvan in de tientallen miljarden loopt, waarom het de werkelijke oorzaak is van het verlies van vertrouwen van de burger in de overheid, en dat daar prima iets aan te doen valt. Ik kan dat het beste uitleggen aan de hand van een van de merkwaardigste uitzonderingen in de hele natuur: het vogelbekdier.

Alle zoogdieren hebben tepels, een waarheid als een koe. Totdat je een vogelbekdier tegenkomt, want die heeft ze niet. Bij vogelbekdieren lekt de melk gewoon door de huid naar buiten en de jongen likken het op. Het vogelbekdier legt overigens ook eieren. Heel ongebruikelijk voor een zoogdier. Toen Europese wetenschappers in 1799 voor het eerst een vogelbekdier onder ogen kregen, dachten ze dat iemand ze voor de gek hield. In elkaar geknutseld door een handige taxidermist. Het was alsof iemand meerdere categorieën in één dier had gestopt. Dat kon natuurlijk niet.

Nu, in 2026, blijkt het vogelbekdier ineens een verrassend bruikbare metafoor voor iets heel anders: een wiskundige vondst die tot te veel rampen heeft geleid. Die wiskundige heet Thomas Bayes, en de kans is groot dat u nog nooit van hem gehoord heeft.

De afgelopen weken vroeg ik het na bij vele informatie-experts. Vrijwel niemand kende hem. Dat is niet handig als je wilt begrijpen hoe computers en AI werken, en waarom ze soms zo dramatisch falen.

Thomas Bayes was een Engelse wiskundige en presbyteriaans predikant die leefde van 1702 tot 1761. Hij publiceerde zijn belangrijkste idee nooit zelf. Na zijn dood vond zijn vriend Richard Price het manuscript en stuurde het de wereld in. Bayes heeft dat niet meegemaakt. Hij was statisticus lang voordat dat woord in de wiskunde überhaupt bestond.

Wat hij bedacht is eigenlijk schitterend in eenvoud.

Je begint met wat je denkt dat waar is. Daarna krijg je nieuwe informatie. En je stelt je aanname bij. Je kijkt niet naar zeker of onzeker, maar naar waarschijnlijker of minder waarschijnlijk. Als je dat goed vastlegt, kun je langzaam ergens naartoe werken.

Dat gebeurde vaker in de wetenschap. Mendel, Darwin, grote vondsten die pas na hun dood, of heel lang na hun dood, herontdekt en erkend werden. Semmelweis ontdekte dat handen wassen levens redde lang voordat iemand wist wat een bacterie was, en zijn collega's negeerden hem zo grondig dat moeders bleven sterven terwijl het bewijs voor hun ogen lag. Het patroon is bij Bayes niet anders, alleen ging het deze keer niet over een ziekenhuis maar over een samenleving die een principe inbouwde in miljarden systemen zonder te begrijpen waar het vandaan kwam en wat de grenzen ervan waren.

Bayes beschreef in zijn manuscript de eerste stap. Anderen bouwden daar wiskundig op voort. Daarna duurde het nog twee eeuwen voordat computers krachtig genoeg waren om de berekeningen te kunnen maken. Toen dat moment kwam, bleek zijn principe de fundering onder een groot deel van wat wij nu machine learning en AI noemen.

Toen computergebruik mainstream werd, tussen eind jaren tachtig en in de jaren negentig, werd het gedachtegoed van Bayes ingebakken in bijna elk systeem dat wilde leren van data. Computers werden goedkoper, netwerken groeiden, data stroomde, en wat begon als een bescheiden principe over het bijstellen van verwachtingen groeide uit tot een industrieel geloof: meer data levert betere voorspellingen, en betere voorspellingen leken een goed alternatief voor het trage, dure nadenken over individuele gevallen.

Het werkte. Zo goed zelfs dat niemand meer vroeg wat Bayes zelf had gezegd. Hij had gezegd: blijf eerlijk over hoe onzeker je nog bent. De industrie bouwde systemen die dat niet deden. Systemen die altijd even zeker klinken, of ze nu Londen noemen als de hoofdstad van Frankrijk of een rechterlijke uitspraak verzinnen die nooit heeft bestaan. Een presbyteriaans predikant die zijn leven wijdde aan het zorgvuldig wegen van bewijs had dit waarschijnlijk met afgrijzen aangekeken.

Want het principe zelf is niet fout. Het probleem begint op het moment dat je het toepast op mensen.

Zolang je met anonieme dingen werkt, is de schade bij verkeerd gokken nog te overzien. Totdat de overheid hetzelfde principe toepast op burgers, mensen van vlees en bloed.

De Belastingdienst zag een patroon: mensen met een buitenlands adres, een dubbele nationaliteit en een wisselend inkomen. Dat zou zomaar kunnen duiden op fraude. De Belastingdienst kende elk dossier een risicoscore toe, en die scores gingen omhoog. De toeslagen werden stopgezet, omdat het systeem geen ruimte bood voor twijfel. Mensen raakten hun baan kwijt, of hun huis, en soms hun kinderen. En te vaak alle drie.

In maart 2017 schreef Sandra Palmen, de hoogste jurist bij de afdeling Toeslagen, een memo aan de leiding van de Belastingdienst. Daarin stond dat de Belastingdienst laakbaar had gehandeld. Dat er ouders waren waarvan de toeslag was stopgezet zonder dat fraude was vastgesteld. Dat er iets fundamenteel misging.

Het memo verdween in een la en kwam er lange tijd niet meer uit. De vrouw die het schreef is inmiddels staatssecretaris van Financiën, verantwoordelijk voor de hersteloperatie.

Het systeem had geen categorie voor "wij hebben het fout." Net zoals het geen categorie had voor de burger die niet in het patroon paste, had het geen categorie voor het bewijs dat het systeem zelf het patroon verkeerd had gelegd. Het vogelbekdier verscheen twee keer: eerst als burger, daarna als intern memo. Het systeem wist er geen raad mee, en het verdween voor lange tijd.

Zodra je met mensen te maken hebt, mag je niet probabilistisch werken. Dan moet je deterministisch werken.

Dat betekent dat je niet vraagt hoe waarschijnlijk iets is op basis van wat je eerder hebt gezien, maar dat je vraagt waarom iets is wat het is, op basis van wat je nu weet over deze specifieke persoon in deze specifieke situatie. Eén geval is genoeg om de redenering te herzien.

In de luchtvaart is dit principe zorgvuldig uitgewerkt. Probabilistische methoden worden gebruikt voor planning en onderhoud, maar kritische veiligheidsbeslissingen worden altijd deterministisch gemaakt. Een vliegtuig moet specifieke scenario's kunnen doorstaan ongeacht hun statistische waarschijnlijkheid. Eerst zekerheid, dan optimalisatie. Bij de overheid is die volgorde omgekeerd.

Zo bezien is het onbegrijpelijk dat de overheid dat niet doet, want één geval is genoeg om de redenering te herzien en te voorkomen dat het vogelbekdier verdwijnt in een la.

En het mooie is dat je het hele systeem niet hoeft te vervangen. Je hoeft maar één ding te veranderen. Het formaat waarin je de informatie opslaat.

Nico de Lange van het UWV werd er stil van. In twintig minuten had Joost Plattel, één van de teamleden van de Pilot Informatieautonomie, op zijn eigen laptop iets gebouwd wat het UWV in jaren niet had kunnen produceren: een volledig overzicht van alle openstaande Woo-verzoeken, met doorlooptijden en analyses.

Wat Plattel had gedaan was simpel. De Woo-verzoeken stonden gewoon op de website van het UWV, als pdf te downloaden. Openbaar, voor iedereen toegankelijk. Maar pdf's zijn niet kruisbaar, een computer kan er geen verbanden in leggen. Plattel downloadde alle pdf's, haalde de inhoud eruit op een manier die een computer kon lezen, en verbond de data. Ineens waren complete overzichten en analyses mogelijk die het UWV zelf nooit had kunnen maken. De informatie was er. Ze was alleen opgeslagen in een formaat dat een computer niet kon bevragen.

Nico deelde het met de afdeling juridische zaken, die flink onder de indruk waren van iets dat het verschil van één bestandsformaat had gemaakt.

Wie haar eigen informatie niet machineleesbaar heeft opgeslagen kan haar besluiten niet reconstrueren, niet uitleggen en dus niet anders dan schatten over de burgers die haar vertrouwen.

De democratische rechtsstaat redeneert niet probabilistisch. Een rechter weegt bewijs, maar redeneert van feit naar regel naar conclusie voor dit specifieke geval, niet op basis van statistische patronen uit vergelijkbare gevallen, en doet dat voor elk geval opnieuw en van voor af aan.

De rechtsstaat is gebouwd op de gedachte dat één geval genoeg is. Eén onrecht is genoeg om de wet te toetsen, en één vogelbekdier is genoeg om de taxonomie te herzien. Maar die rechtsstaat werkt alleen als de overheid haar eigen handelen kan reconstrueren en uitleggen. En dat is precies wat een overheid niet kan als haar informatie is opgeslagen in bestanden die computers niet kunnen lezen.

Toch zijn er mensen die al laten zien hoe het anders kan.

Brenno de Winter en Jan Klopper bouwden OpenKAT, een open-source beveiligingstool die niet met momentopnames werkt maar continu waarneemt, vergelijkt en rapporteert op basis van machineleesbare informatie. Controleerbaar, herleidbaar, en ook nog eens publiek beschikbaar. De mechanismen en principes achter OpenKAT zijn veelbelovend voor andere domeinen binnen het informatielandschap. Zo ziet deterministisch werken er in de praktijk uit. VWS droeg het beheer per 1 januari 2026 over aan de community, de markt en de samenleving. Het idee bleek groter dan de organisatie die het bedacht.

Bayes gaf ons een bescheiden instrument om eerlijk met onzekerheid om te gaan. De IT-industrie maakte er een dogma van. Niet Bayes was het probleem, maar het ontbreken van elke rem op hoe zijn principe werd toegepast. Als we maar meer data hebben, dan kunnen we veel beter voorspellen. De overheid nam dat dogma over en paste het toe op burgers van vlees en bloed, wiens leven zich niet laat samenvatten in een voorspelbaar algoritme.

Dat heeft tientallen miljarden gekost, in levens die stukliepen op een door een algoritme gemaakte score.

Werk je bij de overheid en wil je er iets aan doen voor jouw organisatie, kijk dan bij de Pilot Informatieautonomie.

Deterministisch werken is geen luxe. Het is wat een beschaafde overheid haar burgers minimaal verschuldigd is.